Erik Schluntz와 Barry Zhang의 블로그 게시물 “효과적인 에이전트 구축“를 읽었습니다.

구글, OpenAI, Anthropic, 메타와 같은 탑 클라스 생성형 AI 서비스 공급자들이 에이전트 시대를 확하고 열어 제낍니다.

그러면서 AI 에이전트 개발과 관련된 여러 프레임워크들과 서비스들과 제품들도 등장합니다. 그리고 AI 에이전트 관련 말들도 많아집니다.

여기에 찬물을 끼얹고 좀 냉정해지자고 하는 글입니다. 여러 AI 에이전트 개발 프로젝트들을 진행했는데 성공한 프로젝트들은 복잡한 프레임워크나 특수 라이브러리를 사용하지 않은 대신 간단하고 구성 가능한 패턴으로 구축되었다고 합니다. 필요 이상의 복잡성을 피하고, 단순한 프롬프트에서 시작하여 점진적으로 복잡성을 추가하며, 투명성과 신뢰성을 우선시 했다고 합니다.

에이전트가 좋다고, 이제 모든 것은 AI 에이전트로 만들겠다고 하지 말자는 것입니다. 

프롬프트 엔지니어링 원칙에 따라 작성한 프롬프롬로 시작해서, 프롬프트 엔지니어링 기법에 따라 작성한 프롬프트로 나아가고, 사전 훈련 이후 데이터나 기업이나 개인의 기밀 데이터에 접근해야 하는 경우 지식기반을 구축하고 검색증강생성을 합니다. 검색증강생성이나 이를 위한 지식기반구축은 일반화할 수 있는 서비스로 대표할 수 있는 상용이나 오픈소스 프레임워크나 라이브러리로 제공될 것입니다. 사용자와의 대화에서 장기 보존할 내용을 장기기억하는 것도 일반화할 수 있는 것입니다.

추가적인 데이터를 얻기 위해, 기업 내부 시스템 기능이나 외부 서비스 기능과 연동해야 할 수도 있습니다.  여러 기업들이 공통적으로 사용할 만큼 대중화된 서비스 기능과 연동은 일반화할 수 있는 것입니다. 기업 내부 시스템 기능과 연동은 기업 맞춤형으로 개발되어야 합니다.

탑 클라스 생성형 AI 서비스를 사용하는데, 다른 생성형 AI 서비스를 중간 중간에 사용한다는 것은 권하지 않습니다. 같은 생성형 AI 서비스를 사용할 때 병렬화는 응답 속도를 높이기 위해 권합니다.